基于人工智能的姿态识别方法、装置、终端和存储介质制造方法及图纸

本发明专利技术实施例公开了一种基于人工智能的姿态识别方法、装置、终端和存储介质，所述方法包括：获取待识别图像，对待识别图像进行关节点提取处理，得到待识别图像对应的关节点信息，基于关节点信息中每个关节点坐标的置信度对N个关节点坐标进行筛选，得到M个目标关节点坐标，基于M个目标关节点坐标构建待识别图像对应的基础特征数据和交叉特征数据，将基础特征数据和交叉特征数据输入至人体姿态识别模型中，得到待识别图像对应的人体姿态。通过实施上述方法，可以基于人物的关节点构建特征对人体姿态进行识别，提升人体姿态的识别效率以及识别准确率。

Attitude recognition method, device, terminal and storage medium based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的姿态识别方法、装置、终端和存储介质
本专利技术涉及人工智能领域，尤其涉及一种基于人工智能的姿态识别方法、装置、终端和存储介质。
技术介绍
随着计算机技术的发展，人体姿态识别进入了人们研究的视野，通过对人体的姿态进行识别，可以分析人物的行为习惯、动作标准度，以及构建相似动画人物等，因此，人体姿态识别在行为识别、人机交互、游戏、动画等领域有着很广阔的应用前景，是计算机视觉领域中一个既具有研究价值、同时又极具挑战性的热门课题。当前，大多采用基于RGB图像的人体姿态估计算法对人体姿态进行识别，上述方法需要对图像中的各个像素都进行分析，运算量较大，因此对人体姿态的识别效率以及识别准确率较低。
技术实现思路
本专利技术实施例提供了一种基于人工智能的姿态识别方法、装置、终端和存储介质，可以基于人物的关节点构建特征对人体姿态进行识别，提升人体姿态的识别效率以及识别准确率。一方面，本专利技术实施例提供了一种基于人工智能的姿态识别方法，所述方法包括：获取待识别图像，所述待识别图像中包括人物区域；对所本文档来自技高网...

【技术保护点】
1.一种基于人工智能的姿态识别方法，其特征在于，所述方法包括：/n获取待识别图像，所述待识别图像中包括人物区域；/n对所述待识别图像进行关节点提取处理，得到所述待识别图像对应的关节点信息，所述关节点信息包括所述人物区域中的N个关节点坐标以及每个关节点坐标的置信度，所述N为正整数；/n基于所述每个关节点坐标的置信度对所述N个关节点坐标进行筛选，得到M个目标关节点坐标，所述M为正整数；/n基于所述M个目标关节点坐标构建所述待识别图像对应的基础特征数据和交叉特征数据，所述基础特征数据为所述各个目标关节点之间的距离，所述交叉特征数据为所述各个目标关节点坐标之间的组合；/n将所述基础特征数据和所述交叉特...

【技术特征摘要】
1.一种基于人工智能的姿态识别方法，其特征在于，所述方法包括：
获取待识别图像，所述待识别图像中包括人物区域；
对所述待识别图像进行关节点提取处理，得到所述待识别图像对应的关节点信息，所述关节点信息包括所述人物区域中的N个关节点坐标以及每个关节点坐标的置信度，所述N为正整数；
基于所述每个关节点坐标的置信度对所述N个关节点坐标进行筛选，得到M个目标关节点坐标，所述M为正整数；
基于所述M个目标关节点坐标构建所述待识别图像对应的基础特征数据和交叉特征数据，所述基础特征数据为所述各个目标关节点之间的距离，所述交叉特征数据为所述各个目标关节点坐标之间的组合；
将所述基础特征数据和所述交叉特征数据输入至人体姿态识别模型中，得到所述待识别图像对应的人体姿态。


2.根据权利要求1所述的方法，其特征在于，所述基于所述每个关节点坐标的置信度对所述N个关节点坐标进行筛选，得到M个目标关节点坐标，包括：
基于所述N个关节点坐标中每个关节坐标数据的置信度计算置信度特征值，所述置信度特征值包括置信度均值、置信度方差、置信度中位数中的至少一种；
基于所述置信度特征值确定置信度阈值；
从所述N个关节点坐标中筛选出置信度高于所述置信度阈值的M个目标关节点坐标。


3.根据权利要求1所述的方法，其特征在于，所述基于所述M个目标关节点坐标构建所述待识别图像对应的基础特征数据和交叉特征数据，包括：
基于所述M个目标关节点坐标计算所述各个目标关节点之间的横坐标距离、纵坐标距离和欧式距离，并将所述各个目标关节点之间的横坐标距离、纵坐标距离以及欧式距离确定为所述待识别图像对应的基础特征数据；
基于所述M个目标关节点坐标构建至少一个坐标集合，所述每个坐标集合中包括至少一个目标关节点坐标；
将所述每个坐标集合中的目标关节点之间的乘积确定为所述待识别图像对应的交叉特征数据。


4.根据权利要求1所述的方法，其特征在于，所述将所述基础特征数据和所述交叉特征数据输入至人体姿态识别模型中，得到所述人物区域对应的人体姿态，包括：
检测所述待识别图像所属的目标分类类别，所述目标分类类别包括所述待识别图像中背景对应的类别、待识别图像中人物尺寸对应的类别、待识别图像中人物数量对应的类别中的至少一种；
将所述基础特征数据和所述交叉特征数据输入至所述目标分类类别对应的人体姿态识别模型中，得到所述待识别图像对应的人体姿态，所述目标分类类别对应的人体姿态识别模型为采用目标分类类别下的样本图像训练得到。


5.根据权利要求1所述的方法，其特征在于，所述将所述基础特征数据和所述交叉特征数据输入至人体姿态识别模型中，得到所述待识别图像对应的人体姿态之后，所述方法还包括：
确定所述待识别图像对应的人体姿态的置信度；
检测所述人体姿态的置信度是否大于预设置信度；
若否，则将所述待识别图像输入至少一个备选人体姿态识别模型中，得到至少一个备选人体姿态；
从所述至少一个备选人体姿态中筛选出所述待识...

【专利技术属性】
技术研发人员：郑喜民，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44